Точный учёт выбросов и стоков парниковых газов имеет решающее значение для отслеживания прогресса в направлении смягчения антропогенного воздействия на климат и для мониторинга потенциальных ответных реакций на изменения климата. Бюджетирование и отчётность по парниковым газам могут следовать либо методологиям Межправительственной группы экспертов по изменению климата для отчётности о национальном кадастре парниковых газов (National Greenhouse Gas Inventory, NGHGI), либо использовать атмосферные инверсии «сверху вниз» или подходы «снизу вверх» на основе процессов. Чтобы помочь понять и согласовать эти подходы, было организовано Второе региональное исследование оценки и процессов углеродного цикла (Second REgional Carbon Cycle Assessment and Processes, RECCAP2) для количественной оценки выбросов и абсорбции парниковых газов (диоксида углерода (CO₂), метана (CH₄) и закиси азота (N₂O)) для десяти регионов суши и пяти океанов за 2010–2019 гг. Здесь представлены результаты для североамериканского региона суши (Канада, США, Мексика, Центральная Америка и Карибский бассейн). За 2010–2019 гг. NGHGI сообщил об общих суммарных выбросах парниковых газов в размере 7270 ТгCO -экв. год⁻¹² по сравнению с оценками в подходе «сверху вниз» в размере 6132 ± 1846 ТгCO₂-экв. год⁻¹ и оценками в подходе «снизу вверх» в размере 9060 ± 898 ТгCO₂-экв. год⁻¹. Согласование различий между подходами NGHGI, «сверху вниз» и «снизу вверх» зависело от (a) учёта латеральных потоков CO₂ вдоль континуума «суша-океан-вода» и торговли, (б) корректировки выбросов CO₂ от землепользования с учётом потери дополнительной ёмкости стока, (в) избежания двойного учёта выбросов CH₄ во внутренних водах и (г) корректировки оценок площади для соответствия определению NGHGI прокси- сервера управляемых земель. Неопределённости остаются из-за неучёта CO₂ во внутренних водах, преобразования азотных удобрений в N₂O и из-за менее частой отчётности NGHGI от стран, не включённых в Приложение 1 Структура RECCAP2 играет ключевую роль в согласовании независимых методологий отчётности по парниковым газам для поддержки политических обязательств, одновременно предоставляя информацию о биогеохимических процессах и мерах реагирования на изменение климата.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GB008310

Изменения климата ХХ века демонстрируют, помимо вековой тенденции глобального потепления, мультидесятилетнюю изменчивость с глобально согласованными структурами. Выявление и атрибуция таких структур требует объединения данных современных реанализов атмосферных и океанических наблюдений с оценками реакции климата на переменные воздействия на основе ансамблевых оценок климата ХХ века с помощью современных глобальных сопряжённых моделей. Эта публикация является первой частью серии статей, в которых идентичная последовательность методов распознавания образов применяется к ансамблю из 38 моделей исторических расчётов в рамках фаз 5 и 6 проекта сравнения сопряжённых моделей (CMIP5/6) и к двум наборам данных реанализа ХХ века для краткого описания их глобальной мультидесятилетней изменчивости. Основное внимание здесь уделяется характеристике глобально распределённого вынужденного отклика в приповерхностной температуре воздуха и давлении на уровне моря с использованием комбинации фильтрации шаблона максимизации сигнала к шуму (S/NP) и перемасштабирования на основе линейной регрессии. Особый новый аспект этой работы заключается в изоляции структур вынужденного отклика, общих для всего модельного ансамбля, по сравнению с остаточными откликами отдельных моделей, тем самым закладывается основа для изучения того, могут ли последние отклики служить жизнеспособным объяснением наблюдаемых мультидесятилетних климатических удалённых связей. Общий вынужденный отклик моделей CMIP5/6 доминирует над двумя модами S/NP, амплитуды которых различаются от модели к модели. S/NP-1 описывает полярное и усиленное сушей глобальное потепление с более медленной скоростью потепления до середины 60-х годов и более быстрым потеплением после. Компонент S/NP-2 характеризуется выраженной мультидесятилетней изменчивостью без особой тенденции в масштабе столетия и демонстрирует антисимметричный температурный отклик между полушариями. Сигнатура давления на уровне моря двух режимов связана с нисходящим трендом над Южным океаном и Антарктидой после середины 60-х годов и намного слабее, чем внутренняя изменчивость фона давления на уровне моря в других местах. Модели CMIP, которые имеют большой вклад от S/NP-1 и небольшой от S/NP-2 в их вынужденный отклик, как правило, демонстрируют большой глобальный средний тренд приповерхностной температуры воздуха ХХ века и наоборот. Остаточные вынужденные отклики отдельных моделей, необъяснённые S/NP 1 и 2, действительно демонстрируют мультидесятилетние вариации с появлением удалённых связей, хотя и с гораздо меньшей амплитудой, чем наблюдаемые глобально связанные отклонения климата от оцененных моделью вынужденных трендов.

Ссылка: https://journals.ametsoc.org/view/journals/clim/38/8/JCLI-D-24-0456.1.xml

Распространённость насекомых-вредителей, которые повреждают сельскохозяйственные культуры и снижают их урожайность, растёт во всём мире из-за изменений климата и землепользования, что создаёт угрозу продовольственной безопасности. В этом обзоре обобщены данные о том, как тропические, умеренные, мигрирующие и почвенные вредители сельскохозяйственных культур реагируют на изменения климата, землепользования и сельскохозяйственных методов. В целом, вредители сельскохозяйственных культур реагируют на потепление расширением географических ареалов, более выраженными фенологическими явлениями и увеличением числа репродуктивных поколений в год. Прогнозируется, что увеличение ущерба от вредителей при потеплении на 2°C усугубит потери урожайности на 46%, 19% и 31% для пшеницы, риса и кукурузы соответственно. Вредители в средних и высоких широтах реагируют на потепление более позитивно, чем в тропиках. Умеренная засуха может увеличить ущерб от вредителей сельскохозяйственным культурам из-за усиления питания растениями как источником воды и снижения устойчивости растений и естественных врагов вредителей. Увеличение количества осадков уменьшает количество мелких вредителей, смывая их, но благоприятствует вредителям в целом, смягчая термогидрострессы. Изменение землепользования, такое как вырубка лесов и перевод в пахотные земли, усиливает потепление и сокращает биоразнообразие, что приводит к увеличению ущерба урожаю. Интенсификация сельского хозяйства, в частности, внесение удобрений и орошение, повышает качество и количество растений- хозяев и защищает вредителей от экстремальных условий окружающей среды, способствуя их распространению. Глобализация торговых сетей увеличивает вторжения вредителей, а связанный с этим ущерб превысил 423 млрд долларов США в 2019 году. Будущие исследования должны изучить механизмы, лежащие в основе изменений статуса вредителей, и разработать системы мониторинга и прогнозирования для информирования подходов к управлению.

Ссылка: https://www.nature.com/articles/s43017-025-00652-3

В последние десятилетия поверхностное потепление Арктики достигло своего максимума (минимума) в холодное время года (летом) из-за увеличения выделения (формирования) сезонного накопления тепла океаном (СНТО). Данные реанализа показывают, что увеличение таяния наземного льда доминирует над летним поверхностным потеплением Арктики. Отсутствие таяния наземного льда снижает поверхностное потепление Арктики в моделировании проекта CMIP6. Образование/выделение СНТО в Арктике в основном происходит в верхнем слое океана. Дополнительный выброс СНТО завершается в основном за счёт усиления вертикальной диффузии и доминирует в поверхностном потеплении Арктики в холодное время года. Хотя причиной выделения СНТО является то, что приземный воздух становится холоднее морской поверхности, морской лёд демонстрирует высокий коэффициент корреляции с поверхностным потеплением Арктики в холодное время года, поскольку выделение СНТО увеличивается за счёт усиления вертикальной диффузии и теплообмена между воздухом и морем. В исторических расчётах CMIP6 вертикальная диффузия и глубина перемешанного слоя (ГПС) значительно различаются, хотя ГПС и СНТО сильно коррелируют в большинстве членов CMIP6. Более высокая ГПС в холодное время года предполагает больший дополнительный выброс СНТО и более тёплую арктическую поверхность, что, в свою очередь, приводит к более тёплой весенней арктической поверхности и большему таянию морского льда в следующем году. В результате более глубокая ГПС более чувствительна к изменению климата и приводит к завышенным оценкам будущего климата.

Ссылка: https://www.nature.com/articles/s41598-025-96214-0

Каспийское море - крупнейший в мире замкнутый водоём, который является средой обитания для сотен эндемичных и мигрирующих видов, а также обеспечивает экосистемные услуги, поддерживающие миллионы людей. Прогнозируется, что глобальное потепление приведёт к снижению уровня воды до 21 м к 2100 году. Используя геопространственный анализ, авторы оценили влияние снижения уровня моря на среду обитания, охраняемые территории и инфраструктуру. Было показано, что снижение уровня воды всего на 5–10 м критически нарушит ключевые экосистемы (включая среду обитания эндемичных каспийских тюленей и осетровых), сократит существующую площадь охраняемых морских территорий до 94% и сделает гражданскую и промышленную инфраструктуры стоимостью миллиарды долларов устаревшими. Рекомендуется заменить традиционное статическое планирование охраны природы на упреждающий, динамичный подход, позволяющий охраняемым территориям отслеживать меняющиеся экосистемы, чтобы помочь эндемичному биоразнообразию Каспийского моря адаптироваться к этим изменениям и избежать конфликтов с усилиями по смягчению последствий, направленными на защиту деятельности человека.

Ссылка: https://www.nature.com/articles/s43247-025-02212-5

Модели машинного обучения и искусственного интеллекта стали популярными для прогнозирования изменения климата. Лесные регионы Калифорнии и Западной Австралии всё чаще сталкиваются с интенсивными лесными пожарами, в то время как другие части мира - с различными проблемами, связанными с климатом. Для решения этих проблем были разработаны модели машинного обучения и искусственного интеллекта для прогнозирования рисков лесных пожаров и поддержки стратегий смягчения последствий. Это исследование сосредоточено на разработке моделей прогнозирования лесных пожаров с использованием алгоритмов классификации одного класса. К ним относятся машина опорных векторов, изоляционный лес, автокодировщик, вариационный автокодировщик, глубокое описание опорных векторов и обнаружение аномалий с помощью состязательного обучения. Модели были протестированы с помощью пятикратной перекрёстной проверки для минимизации смещения при выборе обучающих и тестовых данных. Результаты показали, что эти модели машинного обучения с одним классом превзошли модели машинного обучения с двумя классами, основанные на тех же наземных данных, достигнув среднего уровня точности от 90% до 99%. Кроме того, авторы использовали значения Шепли для определения наиболее значимых особенностей, влияющих на модели прогнозирования лесных пожаров, что внесло новый взгляд на исследования прогнозирования лесных пожаров. При анализе моделей, обученных на наборе данных Калифорнии, критическими факторами оказались сезонные максимальные и средние температуры точки росы. Эти идеи могут значительно улучшить стратегии смягчения последствий лесных пожаров. Кроме того, авторы сделали эти модели доступными и удобными для пользователя, задействовав их через REST API с использованием Python Flask 1.1.2 и разработав веб-инструмент.

Ссылка: https://www.mdpi.com/2073-4433/16/4/441

Продукты глобальных аномалий запасов воды на суше из эксперимента по гравитационному восстановлению и климату (Gravity Recovery and Climate Experiment, GRACE) и его последующей миссии (GRACE/FO) имеют задержку около трёх месяцев, что значительно ограничивает их оперативное использование в управлении водными ресурсами и мониторинге засух. Для решения этой проблемы авторы разработали байесовскую свёрточную нейронную сеть для прогнозирования полей аномалий запасов воды на суше с оценками неопределённости в течение периода задержки. Результаты показывают, что байесовская свёрточная нейронная сеть обеспечивает оценки аномалий запасов воды на суше в режиме, близком к реальному времени, которые хорошо соответствуют наблюдениям GRACE/FO, со средними коэффициентами корреляции 0,92–0,95, эффективностью Нэша-Сатклиффа 0,81–0,89 и среднеквадратичной ошибкой 1,79–2,26 см для прогнозов на один-три месяца вперёд. Что ещё более важно, модель улучшает глобальный гидрологический мониторинг засух, позволяя их обнаруживать за три месяца до появления данных GRACE/FO, со средними несоответствиями характеристик ниже 16,4%. Этот прорыв в возможностях раннего оповещения устраняет фундаментальное ограничение спутникового гидрологического мониторинга и даёт управляющим водными ресурсами критически важное время для внедрения стратегий смягчения последствий засухи.

Ссылка: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL112677

Точное прогнозирование будущих засух имеет решающее значение для эффективности стратегий планирования и адаптации. Однако надёжность будущих прогнозов ставится под сомнение неопределённостями, связанными с моделью, сценарием и внутренней изменчивостью, и важно оценить, как эти неопределённости влияют на глобальные и региональные прогнозы засух. В этом исследовании авторы количественно оценивают неопределённость будущих засух в период с 2015 по 2100 гг. в рамках различных сценариев (SSP1-2.6, SSP2-4.5, SSP3-7.0 и SSP5-8.5) с учётом данных CMIP6. В глобальном масштабе неопределённость модели является доминирующим фактором в прогнозах засух начала XXI века, в то время как неопределённость сценария становится доминирующим фактором к концу века. В региональном масштабе вклад различных источников неопределённости значительно различается. Неопределённость, связанная с продолжительностью, частотой и суровостью засухи, схожа. В долгосрочной перспективе максимальная доля неопределённостей модели, сценария и внутренней изменчивости выше минимальной на 40%, 60% и 30% соответственно между регионами с самыми высокими и самыми низкими значениями. Эти различные источники неопределённости развиваются с течением времени, причём скорость изменений варьируется в зависимости от региона. Средиземноморье и Центральная Америка испытывают более быстрые изменения, в то время как Северная Америка и Африка демонстрируют более медленные изменения. Это исследование подчёркивает важность исследований регионального масштаба для учёта пространственных различий в неопределённости и необходимость региональных стратегий при планировании и адаптации к будущим прогнозам засухи.

Ссылка: https://link.springer.com/article/10.1007/s10584-025-03919-2

Леса играют ключевую роль в глобальных обязательствах по достижению углеродной нейтральности в ближайшие десятилетия. Глобальные карты потенциального лесного покрова с высоким пространственным разрешением для текущего состояния и будущих климатических сценариев необходимы для оценки риска будущей потери углерода лесами и потенциала хранения углерода посредством проектов по лесонасаждению/лесовосстановлению. Авторы представляют данные, интегрирующие спутниковые наблюдения лесного покрова в структуру машинного обучения для оценки пропускной способности лесного покрова (процент покрытия лесом), которая отражает максимальный потенциальный лесной покров с учётом естественных нарушений. Предложенная ими модель улучшает предыдущие оценки за счёт снижения ошибок прогнозирования, лучшего согласования с наблюдениями лесного покрова на нетронутых территориях и снижения пространственной дисперсии в областях без топографических изменений. Однако неопределённости остаются, особенно в регионах, где деятельность человека значительно изменила ландшафты. Несущая способность лесного покрова обеспечивает оценку потенциального лесного покрова на основе климатических и почвенных условий. Это служит первым шагом в определении возможностей лесонасаждения/лесовосстановления, но его следует дополнительно оценить с точки зрения конкуренции за землепользование, экологической осуществимости и других ограничений.

Ссылка: https://www.nature.com/articles/s41597-025-04408-y

Исторические записи климатических полей часто скудны из-за отсутствующих измерений, особенно до внедрения крупномасштабных спутниковых миссий. Было введено несколько статистических и основанных на применении моделей методов для заполнения пробелов и реконструкции исторических записей. Здесь авторы используют недавно представленный обученный на выходных данных числовой климатической модели подход глубокого обучения, основанный на свёртках Фурье, для реконструкции исторических климатических полей. С использованием этого подхода можно реалистично реконструировать большие и нерегулярные области отсутствующих данных и воспроизводить известные исторические события, такие как сильные Эль-Ниньо или Ла-Нинья, с очень небольшим количеством заданной информации. Этот метод превосходит широко используемый метод статистического кригинга, а также другие недавние подходы машинного обучения. Модель обобщает до более высоких разрешений, чем те, на которых она обучалась, и может использоваться в различных климатических полях. Более того, она позволяет закрашивать маски, которые никогда ранее не встречались во время обучения модели.

Ссылка: https://www.science.org/doi/10.1126/sciadv.adp0558